讲座时间：2026年10月22日（星期四）上午10:40

讲座地点：犀浦校区图书馆二号报告厅

主讲人：黄高

主持人：李崇寿

主讲人简介：

黄高，清华大学长聘副教授，博导。研究领域为人工智能基础模型及算法，在Nature子刊、IEEE TPAMI、CVPR、NeurIPS等期刊会议发表论文200余篇，总引用10万余次，代表作DenseNet单篇引用逾6万次。主持国家自然科学基金委青年基金（A类）、联合重点基金等项目。获教育部、CAAI、CSIG自然科学一等奖，北京市科技进步一等奖，CVPR最佳论文奖，ICML杰出论文奖、NeurIPS最佳论文奖亚军，科学探索奖，MIT TR35，AI 2000人工智能最具影响力学者等；担任IEEE TPAMI等国际期刊编委和国内多个专委会副主任或委员。

内容简介：

以 OpenAI o1 和 DeepSeek-R1 为代表的推理模型展示了强化学习在激发大语言模型解决复杂问题能力方面的巨大潜力，推动了基础模型后训练技术的发展。然而，研究者们对于当前主流的带可验证奖励强化学习（RLVR）的工作机制与能力边界仍缺乏系统理解。本报告将从若干实验现象出发，分析 RLVR 的特性与局限。进一步介绍基于强化学习的大模型自演进方法，可实现在无需任何人工标注数据的条件下，实现推理能力的持续提升。